本文为中国金融传媒集团特聘高级专家、中国银行业协会原首席信息官、深圳香蜜湖国际金融科技研究院学术委员会委员高峰在2026年1月17日“数据资产与金融”闭门研讨会上所作的主题交流发言，作者补充相关内容并授权发布。
高峰
中国金融传媒集团特聘高级专家
中国银行业协会原首席信息官
我院学术委员会委员
当前，持续深化“数据资产与金融”领域的研究与探讨，具有重要的现实意义和战略价值。数据作为新型的核心生产要素，正以乘数效应重构金融价值链，驱动金融机构从传统经验模式向数据驱动模式转型，成为数字金融高质量发展的核心引擎。2025年底，为深入贯彻落实中央经济工作会议、中央金融工作会议精神，引导银行业保险业加速数字金融布局，国家金融监管总局印发了《银行业保险业数字金融高质量发展实施方案》（以下简称《方案》）。《方案》明确提出，要充分发挥数字技术与数据要素的双轮驱动作用，赋能金融服务提质增效，助力数字经济建设，着力打造具有中国特色、国际竞争力的数字金融新范式，推动数字金融实现高质量发展。
在人工智能时代，数字技术是核心工具引擎，数据要素是关键核心资产，二者的双轮驱动绝非简单的技术叠加，而是从底层逻辑层面重构金融价值创造模式，重新界定金融服务的本质内核。这一变革的核心在于通过数字技术激活数据要素的资产属性，依托数据资产的流动与增值，打破传统金融的业务边界与发展约束。传统银行业的价值在于缓解资金供需双方的信息不对称问题，凭借专业的风险评估与资产配置能力实现资金的高效配置。然而，在人工智能技术深度渗透的背景下，这一核心逻辑正面临根本性变革。
《方案》明确指出，未来五年，银行业保险业数字金融发展的核心目标是推动数字化转型取得实质性进展，显著提升数字技术的驱动支撑能力与数据要素的价值转化能力。数字化转型绝非简单的“技术堆砌”，其核心要义在于实现数据要素的“价值变现”，而数据资产化正是打通从“技术投入”到“价值产出”的关键闭环，更是衡量转型成效的核心标志。从本质上看，数字化转型的底层逻辑是“以数据要素替代传统生产要素的低效投入”，若数据仅停留在采集、存储、浅层分析阶段，无法转化为可计量、可交易、可创造持续收益的资产，转型便会陷入“空转”困境。从数据资产化到资产价值化，是推动转型从“成本项”转化为“利润项”的核心抓手。
数据资产化是过程，数据资产是结果。数据资产化，是指通过合规治理、价值挖掘、权属界定等系统性手段，将分散无序、未被有效利用的数据资源，转化为可确权、可管理、可交易、可创造持续价值的资产的过程，其核心是实现数据从“资源”到“资产”的价值，是释放数据要素核心价值的关键路径。数据资产化正重塑数字金融底层运行逻辑，推动行业从“金融科技”向“数据金融”的新范式跃迁，本质上是一场金融领域生产关系的深刻变革。其价值不仅体现在数据本身，更在于通过数据要素的市场化配置实现资源优化，遵循“合规+价值”双导向原则：一方面需严格恪守《数据安全法》《个人信息保护法》等法律法规，确保数据采集、处理、流通全流程合规；另一方面需锚定具体应用场景，深度挖掘数据的实用价值与商业价值，最终赋能实体经济发展与金融创新突破，核心目标并非单纯的数据流通过渡，而是通过打通“数据—技术—场景”链路，为金融机构与实体企业提供降本增效、产品创新的全新支撑。
传统金融的价值创造核心依赖资本规模与信用中介能力，而数据资产化使数据成为与资本同等重要的核心生产要素。《方案》明确提出“充分发挥数据要素放大、叠加、倍增作用，赋能金融服务创新与效率提升”，金融机构通过挖掘数据资产价值，可突破传统服务边界——无需依赖物理网点扩张或资本规模堆砌，即可通过精准匹配供需创造新型金融价值。例如，通过整合分析企业经营数据、物流流转数据、信用评价数据等资产，金融机构能够开发创新型授信产品、定制化保险服务，实现价值创造的多元化与高效化，推动金融行业从“规模扩张型”向“价值增值型”转型。
传统银行核心扮演资金中介角色，以利差为主要收益来源；而在人工智能时代，银行正逐步转型为综合性价值创造平台。人工智能不仅是提升服务效率、强化服务能力的工具，其核心价值在于突破传统银行业务的固有边界。金融机构依托人工智能技术，可主动识别客户潜在需求，创新金融产品与服务模式，实现从“产品中心主义”向“客户中心主义”的根本性转型。
数据资产化是释放数据价值的系统性路径与机制，遵循“业务数据化—数据资源化—数据产品化—数据资产化”的递进逻辑，具体表现为：先通过业务场景实现数据的生成与采集，再经治理加工形成可用数据资源，进而开发为数据服务或产品，最终通过确权、估值、入表、流通完成资产化转化。这一过程的关键环节包括：权属界定（采用“三权分置”模式，明确数据持有权、加工使用权、产品经营权）、合规治理（实施数据分类分级管理，强化安全与隐私保护）、价值评估（综合运用成本法、市场法、收益法）、入表流通（完成会计确认与市场化交易变现），核心目标是实现数据要素价值释放、业务模式创新与收入增长。
数据资产化突破了传统金融“资金中介”的单一逻辑，以数据要素为核心重构金融价值创造、风险定价与服务交付全链路，是驱动数字金融从“技术赋能”向“要素重构”进阶的核心动力。数据资产化并非数字金融新范式的补充，而是核心支柱，从底层逻辑、核心能力到业态形态，全方位推动金融行业从“服务数字经济”向“融入数字经济、引领数字经济”转型，最终形成要素驱动、技术赋能、合规护航的数字金融新范式。
数字技术与数据要素的双轮驱动，本质是对金融价值创造方式的底层重构与服务本质的重新定义，核心在于通过数字技术激活数据要素的资产属性，依托数据资产的流动与增值打破传统金融的发展约束，最终实现数据要素价值的合规变现。具体可通过以下两种路径落地。
财务入表：实现数据资产价值的规范化确认。通过会计确认将数据资产纳入财务报表，实现数据资产价值的可视化计量与确认，为经营决策与资本运作提供坚实依据。结合《企业数据资源相关会计处理暂行规定》，金融机构可将经合规治理的数据资产分类确认为“无形资产”（如可长期复用的客户画像数据、风控模型数据）或“存货”（如按需加工的一次性交易数据产品），并采用成本法、收益法完成价值计量。这一路径的实现核心在于前置完成数据权属界定（明确持有权、加工使用权归属）与合规治理（开展数据脱敏、去标识化处理），规避因数据来源合规性问题影响入表有效性。目前，银行、保险机构多以“无形资产”类别完成数据资产入表，同步建立数据资产减值测试机制，既直观体现数据对业务的贡献度，又优化资产负债结构，为后续资本运作奠定财务基础。
产品服务化：实现数据资产价值的双向释放。通过数据加工、产品封装，将数据资产转化为可复用的服务或产品，实现内部赋能与外部变现的双向价值释放。在内部场景中，数据资产为信贷审批、客户分层、风险监控等核心业务提供支撑，例如银行基于客户交易数据与征信数据开发智能风控评分模型，保险机构通过用户行为数据优化核保流程，显著提升运营效率。在外部场景中，数据资产催生金融产品与业态创新，典型模式包括数据资产质押融资——将优质数据资产作为质押物向金融机构申请信贷资金，目前国内部分银行已率先开展试点，有效拓展了数字金融的服务边界与盈利空间。这一路径的实现前提是建立权威第三方估值机制（结合收益法、市场法优化估值模型），完善数据资产登记与流转制度，有效规避权属纠纷与估值偏差风险。
《方案》要求，建立健全企业级数据资产管理体系，提升数据资源管理能力。数据资产化是一项系统性工程，结合金融行业特性，通过“基础搭建—核心突破—安全保障—价值落地—生态协同”五阶段闭环推进，兼顾政策适配性与实操可行性。
夯实基础：构建顶层设计与数据治理体系。《方案》要求，强化企业级数据治理体系建设，完善数据治理制度，明确责任主体，建立有效的激励约束机制。顶层设计是数据资产化的前提保障，需建立制度、组织、标准三位一体的支撑框架。政策层面，严格遵循《数据安全法》《个人信息保护法》及“数据二十条”要求，构建覆盖数据全生命周期的合规管理制度，明确数据采集、存储、使用、流通的边界与规范。组织层面，金融机构可设立专门的数据资产管理部门（如数字金融领导小组、数据资产管理中心），厘清业务、技术、风控、合规部门的权责边界，建立跨部门协同治理机制。标准层面，制定统一的数据分类分级标准、质量规范与元数据管理体系，开展全域数据资源普查，建立标准化数据资产清单，实现数据“来源可溯、质量可管、责任可究”，为后续资产化转化筑牢基础。
核心突破：破解数据确权与估值难题。确权与估值是数据资产化的核心瓶颈，需结合金融场景探索可落地的解决方案。确权方面，采用“多方协同+分级确权”模式，联合数据交易所、权威监管机构完成权属登记与合法性审查，通过“权属登记—入表筛选—法律鉴证”三步闭环，明确数据资产的归属主体与使用权限，针对金融机构内部经营数据、合作场景数据、公共数据衍生资产等不同类型，建立差异化确权规则。估值方面，综合运用成本法、收益法、市场法构建适配金融场景的估值模型，结合数据的稀缺性、时效性、应用场景价值动态调整参数。
安全保障：筑牢数据流通与隐私防护防线。安全合规是数据资产化的底线要求，需强化技术与管理双重保障。《方案》要求，加快推动安全运营体系和平台建设，常态化开展网络攻防对抗演习，提升威胁态势感知、风险监测预警和协同处置能力，有效应对网络攻击和重要数据资产安全威胁。技术层面，实施数据分类分级防护，对用户征信、交易记录等高敏感金融数据采用加密、脱敏、访问控制等技术手段，搭建隐私计算平台，实现数据“可用不可见”，保障跨机构、跨场景数据协同的安全性。管理层面，建立数据安全风险监测与应急响应机制，定期开展数据安全审计与合规检查，防范数据泄露、滥用风险；同时强化员工数据安全意识培训，规范数据操作流程，确保数据资产在全生命周期内的安全可控，全面适配金融监管对数据安全的严格要求。
价值落地：推动数据资产运营与流通。运营流通是实现数据资产价值的关键环节，需依托场景创新与平台支撑。资产入表方面，严格按照会计准则要求，将权属清晰、可计量、能产生持续经济利益的数据资产纳入财务报表，按无形资产核算，为后续资本运作提供财务支撑。场景落地方面，拓展多元化价值实现路径：融资端，推广数据资产质押贷款（如泰安银行千万级智慧停车数据质押项目）、数据资产ABS，通过结构化设计提升信用评级，拓宽企业融资渠道；交易端，依托北京、深圳等数据交易所，合规发行数据产品，探索金融数据资产的市场化交易模式，重点布局公共数据衍生资产、行业分析数据资产等领域；内部赋能端，将数据资产深度嵌入信贷审批、风控建模、产品创新等核心业务，通过数据价值反哺业务升级，形成“资产化—价值化—再优化”的良性循环。
生态协同：构建多方联动的支撑体系。数据资产化需政府部门、金融机构、数据交易所、专业服务机构协同发力、共建生态。金融机构应主动对接数据交易所与证券交易所，参与数据标准共建与交易规则制定，提升数据资产的互认度与流动性；引入会计师事务所、资产评估机构、律师事务所，提供审计、估值、法律鉴证等专业服务，强化数据资产化流程的规范性。同时，依托监管沙盒机制，在可控范围内试点数据资产创新业务，积累实操经验；推动跨区域权属互认、统一估值标准的建立，培育成熟的数据要素市场，为金融数据资产化提供良好的生态支撑。
总之，人工智能时代为银行业乃至整个金融行业带来了前所未有的发展机遇与转型挑战。通过充分发挥数字技术与数据要素的双轮驱动作用，金融机构正逐步实现从传统金融机构向智能化、生态化金融服务商的转型。这种转型不仅体现在技术应用层面，更贯穿于发展理念、业务模式、企业文化等全维度的深刻变革，最终将推动数字金融迈入要素驱动、合规引领、价值共生的全新发展阶段。
点个在看支持一下❤️
热门跟贴